該文介紹了神經網絡的發展、優點及其應用現狀和發展動向，對神經網絡的一些常用算法進行簡單的講解， 著重論述了神經網絡目前的幾個研究熱點， 即神經網絡與遺傳算法、灰色系統、模糊控制、小波分析的結合。

　　神經網絡最早的研究20 世紀40 年代心理學家Mcculloch 和數學家Pitts 合作提出的，他們提出的MP模型拉開了神經網絡研究的序幕。神經網絡的發展大致經過三個階段：1947~1969 年為初期，在這期間科學家們提出了許多神經元模型和學習規則， 如MP模型、HEBB學習規則和感知器等。1970~1986 年為過渡期， 這個期間神經網絡研究經過了一個低潮，繼續發展。在此期間，科學家們做了大量的工作，如Hopfield 教授對網絡引入能量函數的概念，給出了網絡的穩定性判據，提出了用于聯想記憶和優化計算的途徑。1984 年， Hiton教授提出Boltzman 機模型。1986 年Kumelhart 等人提出誤差反向傳播神經網絡，簡稱BP網絡。目前， BP 網絡已成為廣泛使用的網絡。1987 年至今為發展期，在此期間，神經網絡受到國際重視，各個國家都展開研究，形成神經網絡發展的另一個高潮。

　　神經網絡是對人腦或生物神經網絡的抽象和建模， 研究非程序的、適應性的、大腦風格的信息處理的本質和能力。它是智能科學和計算智能的重要部分， 以腦科學和認知神經科學的研究成果為基礎， 拓展智能信息處理的方法， 為解決復雜問題和智能控制提供有效的途徑。神經網絡具有以下優點：

　　（1） 具有很強的魯棒性和容錯性，因為信息是分布貯于網絡內的神經元中。

　　（2） 并行處理方法，使得計算快速。

　　（3） 自學習、自組織、自適應性，使得網絡可以處理不確定或不知道的系統。

　　（4） 可以充分逼近任意復雜的非線性關系。

　　（5） 具有很強的信息綜合能力， 能同時處理定量和定性的信息， 能很好地協調多種輸入

　　4 息關系，適用于多信息融合和多媒體技術。